Задачка по SQL. Найти объединенные данные

У нас можно объединять несколько карточек в одну. Вот, например, были карточки id = 1 и id = 2, которые потом объединились в id = 11.

Как это выглядит в базе данных:

1. В таблице самих карточек есть колонка Merged_status, принимает значения:

• 0 — не объединялась никогда и не результат объединения;
• 1 — объединена (id = 1 и id = 2)
• 2 — результат объединения (id = 11)

id_party	Merged_status
1	1
2	1
11	2

2. Есть отдельная табличка MERGED, в которой указано, кто, в кого и когда был объединен.

• id_party — идентификатор исходной записи, которая была объединена;
• id_final — идентификатор результата объединения;
• created — дата объединения;
• cancelled — дата разъединения (не будем вникать в технические детали, просто такое может быть и тогда она будет непустой).

Для нашего случая:

id_party	id_final	created	cancelled
1	11	15.06.2017
2	11	15.06.2017

Задачка

Где-то в другой системе решили сопоставить свои идентификаторы и наши. Нашли случаи, когда клиент вроде как один в системах A, B, C, но у нас он не объединен. Выгрузили, получился csv файлик такого содержания

"ID_PARTY";"GROUPING"

"1";"A1"

"11";"A1"

"26";"A2"

"32";"A2"

"25";"B1"

"44";"B1"

"67";"B2"

"13";"B2"

"26";"C1"

"64";"C1"

В файле 82 тысячи строк. Наша задача — проанализировать эти случаи.

Вводная

Для начала посмотрим вживую на любую из этих пар.

select * from party where id_party = 1;

-- merged_status = 1, она объединена!

select * from party where id_party = 11;

-- merged_status = 2, это результат объединения

Посмотрим, куда это 1 влился:

select * from merged where id_party = 1;

-- ага, id_final = 11

Так мы понимаем, что задача упрощается и анализировать нам надо не 82 тысячи, а меньше. Но для начала нам надо понять, сколько из этих данных устарело. Какие пары уже были объединены?

Что мы имеем?

1. Каждому ИД в колонке GROUPING соответствуют 2 id_party из нашей базы.

2. Если эта пара уже объединена, то оба ИД есть в таблице MERGED, один из которых будет id_party, а второй обязательно у него же id_final (если они объединились с разными клиентами, то это случай на ручной разбор).

3. Кто из ИД будет исходный, а кто — результат объединения, сказать на основе самого ИД нельзя. Да, идентификатор — автоинкрементальное поле, но исходный мог быть создан как до, так и после объединения. А, значит, брать мЕньший ИД нельзя.

4. Втупую взять данные из блокнота для проверки, кто исходный, а кто объединенный, тоже нельзя:

select * from merged where id_party in

(1,

11,

...

)

Получить запрос легко — копируем первую колонку в блокнот и добавляем в конец строки запятую (меняем \r\n на «,\r\n»).

Но не забываем — в файле 82 тысячи строк. А в запросе IN в оракле может быть максимум 1000 параметров. Повторять процедуру 82 раза не хочется.

Зато можно загрузить этот файл в базу и работать со временной табличкой!

5. На сервере нет SQL WorckBench, так что написать WBImport не проканает.

6. Вторая колонка в csv файле — название исходной системы + идентификатор в ней. Строка, так как названия исходных систем разные.

Напомню условие

Проанализировать csv-файл на 82 тысячи строк.

Определить:

• сколько пар уже неактуально (объединены);
• сколько пар актуально + их список.

Итого нужны:

• SQL-скрипты для проверки в Oracle;
• Тестовые данные (вы же не пойдете фигачить сразу 82 тысячи, не проверив свои скрипты на малом объеме, правда же?)

===================================================

Это — не тестовое задание для кандидата на должность тестировщика, и я не знаю идеальный ответ ツ

Это реальная рабочая задачка. Просто она показалась мне интересной (что на что сметчить) и вот, публикую. Тем, кто учит SQL, пригодится для опыта!

Через пару дней выложу свой вариант решения ツ
UPD — а вот и мое решение! А как решали бы вы? =)